mjiansun的专栏

前几天在cuda8+cudnn5.1下编译py-faster-rcnn/caffe-fast-rcnn时报错了，/home/guyadong/caffe/py-faster-rcnn/caffe-fast-rcnn/include/caffe/util/cudnn.hpp(126): error: argument of type “int” is incompatible with par...

python获取梯度脚本# -*- coding: UTF-8 -*-import sysimport shutilimport ossys.path.insert(0, "caffe/python")import caffeimport numpy as npimport dicomimport cv2from scipy.misc import bytescalefrom matplotlib import pyplot as pltfrom PIL import Imag.

有一篇更全的更好的bloghttps://blog.youkuaiyun.com/u013066730/article/details/89670781下面是基于我自己的接口，我是用来分类一维数据的，可能不具通用性：（前提，你已经编译了caffe的python的接口）第一阶段添加 caffe塻块的搜索路径，当我们import caffe时，能让python找到caffe对于这一步，一般...

Caffe源码(caffe version:09868ac , date: 2015.08.15)中有一些重要文件，这里介绍下math_functions文件。1.      include文件：(1)、<glog/logging.h>：GLog库，它是google的一个开源的日志库，其使用可以参考：http://blog.youkuaiyun.com/fengbingchun/artic...

首先回顾一下卷积的实现理论细节，卷积核是一个小窗口(记录权重)，在输入图像上按步长滑动，每次滑动操作输入图像上的对应小窗区域，将卷积核中的各个权值与输入图像上对应小窗口中的各个值相乘，然后相加，并加上偏置得到输出特征图上的一个值，见下图(图片来自网络)这里原文https://blog.youkuaiyun.com/jiongnima/article/details/69736844，巴拉巴拉有很多解释...

$ git clone https://github.com/NVIDIA/nccl.git$ cd nccl$ sudo make install -j8$ sudo ldconfig 出现以下情况表示编译成功。由于是编译到了默认的路径，所以caffe的makefile.config中不需要修改成INCLUDE_DIRS += /path/nccl/build/include  ...

Pk对zk的求导，以及Pk对zj的求导请参考https://blog.youkuaiyun.com/u013066730/article/details/86231215前向代码：for (int i = 0; i < outer_num_; ++i) { for (int j = 0; j < inner_num_; j++) { const int label...

const void* SyncedMemory::cpu_data() { to_cpu(); return (const void*)cpu_ptr_;}void* SyncedMemory::mutable_cpu_data() { to_cpu(); head_ = HEAD_AT_CPU; return cpu_ptr_;}他们之间就相差一个head...

softmax_axis_表示在那边切，当为1是，out_num_就表示batchsize，sum_multiplier表示通道数，scale相关的一般表示临时变量的存储，dim=C*W*H，spatial_dim=W*H，inner_num_如果fc层就为1，conv层就为H*W。本文所举得例子是在mnist的基础上解说的，batchsize为128，类别为10。首先看softmax求导...

Netscope是个支持prototxt格式描述的神经网络结构的在线可视工具，地址:http://ethereon.github.io/netscope/quickstart.html 它可以用来可视化Caffe结构里prototxt格式的网络结构 使用起来也非常简单，打开这个地址:http://ethereon.github.io/netscope/#/editor把你的描述神经网络结构...

安装基础内容sudo apt-get update sudo apt-get install build-essential sudo apt-get autoremove 安装gitsudo apt-get install git 安装vim安装命令：sudo apt-get install vim查看是否安装成功：vim --version...

Protobuf消息定义消息由至少一个字段组合而成，类似于C语言中的结构。每个字段都有一定的格式。字段格式：限定修饰符① | 数据类型② | 字段名称③ | = | 字段编码值④ | [字段默认值⑤]①．限定修饰符包含 required\optional\repeatedRequired: 表示是一个必须字段，必须相对于发送方，在发送消息之前必须设置该字段的值，对于接收方，必须能够...

枚举(enum)消息格式当需要定义一个消息类型的时候，可能想为一个字段指定某“预定义值序列”中的一个值，这时候可以通过枚举实现。syntax = "proto3";//指定版本信息，不指定会报错message Person //message为关键字，作用为定义一种消息类型{    string name = 1;    //姓名    int32 id = 2;     ...

一、什么是protocol buffersProtocol buffers是一个灵活的、高效的、自动化的用于对结构化数据进行序列化的协议，与XML相比，Protocol buffers序列化后的码流更小、速度更快、操作更简单。你只需要将要被序列化的数据结构定义一次(译注：使用.proto文件定义)，便可以使用特别生成的源代码(译注：使用protobuf提供的生成工具)轻松的使用不同的数据流完成...

------------------------------------------- 时间截止20190319，亲测可以使用。 --------------------------------------------注意，万一下面有环境变量不明白的，请参考我的环境变量：我的个人用户的环境变量为C:\Users\smj\AppData\Local\Programs\Py...

有文章用到了FLT_MAX和FLT_MIN。查阅资料后知道这是C++中的定义注意这个FLT_MIN定义的是最小的正浮点数定义是#define FLT_MIN 1.175494351e-38FFLT_MAX的定义则是#define FLT_MAX 3.402823466e+38Fstack overflow上很多人说为什么我的FLT_MIN打印出来是0。是因为打印是...

实现的关键变量是：propagate_down 含义：表示当前层的梯度是否向前传播比如有4个全连接层A->B->C->Da. 你希望C层的参数不会改变，C前面的AB层的参数也不会改变，这种情况也就是D层的梯度不往前反向传播到D层的输入blob（也就是C层的输出blob 没有得到梯度），你可以通过设置D层的propagate_down为false来做到。...

https://blog.youkuaiyun.com/wfei101/article/details/81292908

目录主要函数1. caffe_cpu_gemm 函数：2. caffe_cpu_gemv 函数：3.caffe_axpy 函数：4.caffe_set 函数：5.caffe_add_scalar 函数：6.caffe_copy 函数：7.caffe_scal 函数：8.caffeine_cup_axpby 函数：9.caffe_add、 caffe_sub、...

安装https://zhuanlan.zhihu.com/p/29971657（主要看这个）下面2个是参考https://blog.youkuaiyun.com/yhaolpz/article/details/71375762https://blog.youkuaiyun.com/zoro_lov3/article/details/60581174测试https://blog.youkuaiyun.com/h...

messageReshapeParameter{} // Specify the output dimensions. If some of the dimensions are set to 0, // the corresponding dimension from the bottom layer is used (unchanged). // ...

Caffe在Windows下编译还是遇到不少麻烦的...1.visual studio 2013 error C2371: 'int8_t' : redefinition; 引入的unistd.h文件里面重定义了int8_t，用记事本打开文件注销之。2. error C3861: 'getpid': identifier not foundC:\Tools...

（1）：https://www.cnblogs.com/zf-blog/p/7273182.html（2）：https://www.cnblogs.com/zf-blog/p/7286405.html（3）：https://www.cnblogs.com/zf-blog/p/7307502.html（4）：https://www.cnblogs.com/zf-blog/p/733794...

最近在学习 faster rcnn ，本来环境已经配置好，已经跑完自己的程序，运行良好，后来安装了tensorflow,然后重新使用 faster rcnn 进行训练的时候居然出错了，我很纳闷，期间没有卸载或者修改配置文件啊，怎么会这样？问题pb2.text_format.Merge(f.read(), self.solver_param) AttributeError: 'module'...

转自：https://blog.youkuaiyun.com/fangjin_kl/article/details/54124397https://blog.youkuaiyun.com/edmond999/article/details/78500896http://www.mamicode.com/info-detail-1252644.html待整理

转自：http://wentaoma.com/2016/08/10/caffe-python-common-api-reference/本文整理了pycaffe中常用的APIPackages导入import caffefrom caffe import layers as Lfrom caffe import params as PLayers定义Data层定义...

我已经将修改好的caffe上传https://github.com/mjiansun/win_caffe_test/tree/regression，prototxt在https://github.com/mjiansun/win_caffe_test/tree/regression/myregression_test中。最近项目需要用到caffe来做关键点的回归，即通过caffe来训练一...

转自：https://blog.youkuaiyun.com/Jesse_Mx/article/details/78680055mobilenet 也算是提出有一段时间了，网上也不乏各种实现版本，其中，谷歌已经开源了Tensorflow的全部代码，无奈自己几乎不熟悉Tensorflow，还是比较钟爱Caffe平台，因而一直在关心这方面。单纯的Mobilenet分类不是关注重点，如何将其应用到目标检测网...

训练模型并保存日志文件       首先建立一个训练数据的脚本文件train.sh，其内容如下，其中，2>&1   | tee examples/mnist/mnist_train_log.log 是log日志文件的保存目录。#!/usr/bin/env sh set -e TOOLS=./build/tools $TOOLS/caffe train...

转自：http://www.cnblogs.com/denny402/p/5076285.htmlcaffe的运行提供三种接口：c++接口（命令行）、python接口和matlab接口。本文先对命令行进行解析，后续会依次介绍其它两个接口。caffe的c++主程序（caffe.cpp)放在根目录下的tools文件夹内, 当然还有一些其它的功能文件，如：convert_images

如果出现：I1221 10:24:19.919129 12934 layer_factory.hpp:77] Creating layer mnistI1221 10:24:19.919893 12934 net.cpp:100] Creating Layer mnistI1221 10:24:19.919911 12934 net.cpp:408] mnist -> dataI...

转自：http://www.cnblogs.com/denny402/p/5082341.html在深度学习的实际应用中，我们经常用到的原始数据是图片文件，如jpg,jpeg,png,tif等格式的，而且有可能图片的大小还不一致。而在caffe中经常使用的数据类型是lmdb或leveldb，因此就产生了这样的一个问题：如何从原始图片文件转换成caffe中能够运行的db（leveldb/lm

转自：http://www.cnblogs.com/denny402/p/5074049.htmlsolver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为caffe train --solver=*_slover.prototxt在Deep Learning中，往往loss function是非凸的，没有...

转自：http://www.cnblogs.com/denny402/p/5073427.html度网络(net)是一个组合模型，它由许多相互连接的层（layers)组合而成。Caffe就是组建深度网络的这样一种工具，它按照一定的策略，一层一层的搭建出自己的模型。它将所有的信息数据定义为blobs，从而进行便利的操作和通讯。Blob是caffe框架中一种标准的数组，一种统一的内存接口，

转自：http://www.cnblogs.com/denny402/p/5072746.html本文讲解一些其它的常用层，包括：softmax_loss层，Inner Product层，accuracy层，reshape层和dropout层及其它们的参数配置。1、softmax-losssoftmax-loss层和softmax层计算大致是相同的。softmax是一个分类器，计算

转自：http://www.cnblogs.com/denny402/p/5072507.html在激活层中，对输入数据进行激活操作（实际上就是一种函数变换），是逐元素进行运算的。从bottom得到一个blob数据输入，运算后，从top输入一个blob数据。在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。输入：n*c*h*w输出：n*c*h*w常用的激活函

转自：http://blog.youkuaiyun.com/houwenbin1986/article/details/52956101搭建好caffe Python环境后，我们都需要跑通mnist和imagenet示例，感谢博主：http://www.cnblogs.com/denny402/p/5684431.html官网提供的mnist数据并不是图片，但我们以后做的实际项目可能是图片

转自：http://www.cnblogs.com/denny402/p/5071126.html所有的层都具有的参数，如name, type, bottom, top和transform_param请参看我的前一篇文章：Caffe学习系列(2)：数据层及参数本文只讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local Resp

转自：www.cnblogs.com/denny402/p/5070928.html要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。层有很多种类型，比如Dat

在上文对Command Line Interfaces进行了简单的介绍之后，本文将对caffe的Solver相关的代码进行分析。本文将主要分为四部分的内容：Solver的初始化（Register宏和构造函数）SIGINT和SIGHUP信号的处理Solver::Solve()具体实现SGDSolver::ApplyUpdate具体实现Solver的初始化（Register宏和构造函数